BAB V HASIL PENELITIAN DAN PEMBAHASAN. Tabel 5.1 Uji Stasioneritas Data

Transkripsi

1 BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Uji Kausalitas dan Instrumen Data 1. Uji Stasioner Test Variabel Level t-statistik Sumber: Data Diolah Tabel 5.1 Uji Stasioneritas Data Prob ULN PDB PMA KURS JUB ADF Note 1st Difference Prob Note Tidak Stasioner Stasioner Tidak Stasioner Stasioner Tidak Stasioner Stasioner Tidak Stasiner Stasioner Tidak Stasioner Stasioner Dalam mendapatkan estimasi model VECM, tahap pertama yang perlu dilakukan dalam pengujian data adalah dengan cara melakukan uji stasioneritas terhadap data masing-masing variabel, baik data variabel independen maupaun data variabel dependen. Uji stasioneritas dilakukan untuk data yang bersifat time series, pengujian ini dilakukan untuk menghindari adanya regresi lancung atau spuriousregression (Winarno, 2015).

2 Dari hasil uji stasioner yang telah dilakukan sebagaimana terdapat pada tabel 5.1, dapat diketahui bahwa tidak ada variabel yang yang stasioner di tingkat level. Semua variabel yaitu variabel Utang Luar Negeri, Produk Domestik Bruto, Penanamam Modal Asing, Kurs, Jumlah Uang Beredar stasioner pada tingkat 1st diference. Data dapat dikatakan stasioner apabila ADF t-statistik > Crital Value 5%. Karena kelima variabel tersebut stasioner pada 1st difference maka nilai didefinisikan dalam persamaan berikut: ULN 1 = A 0 + A 1 DPDB t 1 + A 2 DPMA t 1 + A 3 DKURS t 1 + A 4DJUB t-1 + ε t Karena D merupakan 1st difference itu artinya bahwa DULN merupakan 1st difference dari utang luar negeri, DPDB merupakan 1st difference dari produk domestik bruto, DPMA merupakan 1st difference dari penanaman modal asing, DKURS merupakan 1st difference dari kurs, DJUB merupakan 1st difference jumlah uang beredar. 2. Uji Panjang Lag Pengujian panjang lag digunakan untuk dapat mengetahui seberapa lama waktu yang dibutuhkan masing-masing variabel kaitannya dengan pengaruh variabel masa lalunya (panjang lag). Penentuan panjang lag optimal dalam penelitian ini yaitu dengan menggunakan sequential modified LR test statistic. Pengujian panjang lag optimal diperlukan untuk mengatasi masalah autokorelasi yang terjadi di dalam sistem VAR untuk menganalisis stabilitas VAR. Dengan adanya lag optimal diharapkan tidak terjadi masalah autokerelasi. Panjang lag dapat

3 dicari dengan menggunakan kriteria Likehood Ratio (LR), Final Prediction Eror (FPE), Akaike Information Crition (AIC), Schwarz Information Crition (SIC), dan Hannan-Quin Crition (HQ) Basuki (2015). Panjang lag optimal dapat ditunjukkan dalam tabel 5.2 sebagai berikut: Tabel 5.2 Kriteria Panjang Lag Lag LogL LR FPE AIC SC HQ NA 3.42e * 9.44e- 11* * * * e *indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction eror AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion Sumber: Data Diolah Tabel 5.2 memperlihatkan hasil otomatis panjang lag eviews 7. Dapat dilihat bahwa nilai dari LR statistic Final Prediction Eror (FPE), Akaike Information Crition (AIC), Schwarz Information Crition (SC), dan Hannan-Quin Crition (HQ) masing masing berada pada lag 1 ditunjukkan dengan nilai LR sebesar *, FPE sebesar 9.44e-11*, AIC sebesar *, SC sebesar , HQ sebesar Berdasarkan hasil pengolahan di atas panjang lag optimal terletak pada lag 1. Setelah panjang lag diketahui terletak pada lag 1, maka lag 1 merupakan lag yang tepat untuk digunakan dalam model VECM.

4 3. Pengujian Stabilitas VAR Langkah selanjutnya yang perlu dilakukan setelah pengujian panjang lag optimal adalah pengujian stabilitas VAR. Pengujian stabilitas VAR perlu dilakukan karena jika hasil estimasi stabilitas VAR tidak stabil maka analisis IRF dan FEVD menjadi tidak valid. Sistem VAR dapat dikatakan stabil apabila seluruh akar atau roots-nya memiliki modulus < 1 (Basuki, 2015). Tabel 5.3 Root of Characteristic Polynomial Root Modulus i i i i i i i i No root lies outside the unit circle. VAR statisfies the stability condition. Sumber: Data Diolah Berdasarkan tabel 5.3 di atas semua nilai dari akar atau root dan modulus <1. Dapat dijelaskan bahwa model yang digunakan dalam penelitian ini sudah stabil. Artinya, bahwa variabel dapat digunakan dalam model VAR.

5 4. Uji Kointegrasi Uji kointegrasi dilakukan pada penilitian ini untuk menentukan apakah variabel yang tidak stasioner pada tingkat level tersebut telah memenuhi syarat untuk proses integrasi, dimana semua variabel telah stasioner pada derajat yang sama yaitu pada derajat 1. Pengujian kointegrasi ini dilakukan bertujuan untuk mengetahui keberadaan hubungan antar variabel, khususnya dalam jangka panjang. Apabila ditemukan kointegrasi pada variabel-variabel dalam model ini. Hal tersebut menunjukkan terdapat hubungan jangka panjang antar variabel dan dapat dilanjutkan dengan menggunakan model VECM. Dalam estimasi VECM harus ada hubungan kointegrasi di dalamnya. Dalam penelitian ini pengujian kointegrasi menggunakan metode Johansen s Cointegration Test dengan Critical Value 0,05. Hasil uji kointegrasi ditunjukkan pada tabel 5.4. Tabel 5.4 Hasil Uji Kointegrasi (Johansen s Cointegration Test) Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05 Critical Eigenvalue No. Of CE(s) Statistic Value Prob.** None * At most 1 * At most At most At most Trace test indicates 2 cointegrating eqn(s) at the 0.05 level *denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michellis (1999) p-values

6 Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized No. Of CE(s) Eigenvalue Max-Eigen Statistic 0.05 Critical Value Prob.* * None * At most 1 * At most At most At most Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level *denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values Sumber: Data Diolah Berdasarkan tabel 5.4 di atas, dapat dilihat bahwa nilai trace statistic dan maximum eigenvalue pada r = 0 lebih besar darpada critical value dengan tingkat signifikansi 5 persen. Sehingga dapat dijelaskan bahwa dalam taraf uji 5 persen (0.05), terdapat dua rank variabel yang memiliki hubungan kointegrasi. Hal tersebut dapat dibuktikan dari nilai trace statistic lebih besar dari nilai critical value 5 persen yaitu Nilai trace statistic lebih besar dari nilai critical value 5 persen yaitu Nilai max-eigen statistic lebih besar dari nilai critical value 5 persen yaitu , serta max-eigen statistic lebih besar dari nilai critical value 5 persen yaitu Sehingga dapat diartikan bahwa H0 yang menyatakan bahwa tidak ada kointegrasi ditolak dan H1 yang menyatakan bahwa terdapat kointegrasi diterima atau dengan kata lain, variabel-variabel yang digunakan memiliki hubungan dalam jangka panjang (kointegrasi satu dengan yang lainnya).

7 Berdasarkan analisis ekonometrika di atas dapat dilihat bahwa di antara lima variabel yang digunakan dalam penelitian ini, terdapat dua kointegrasi pada tingkat signifikansi 5 persen. Dari hasil uji kointegrasi mengindikasikan bahwa di antara pergerakan utang luar negeri, PDB, PMA, Kurs, JUB (jumlah uang beredar M1) memiliki hubungan stabilitas/keseimbangan dan kesamaan pergerakan dalam jangka panjang. Berdasarkan hasil pengujian di atas maka dapat dikatakan bahwa estimasi VECM dalam penelitian ini bisa digunakan dan dapat melakukan pengujian yang selanjutnya. 5. Uji Kausalitas Granger Uji kualitas granger bertujuan untuk mengetahui apakah diantar variabel tersebut memiliki hubungan timbal balik atau tidak, karena masing-masing variabel dalam penelitian memiliki kesempatan untuk menjadi variabel eksogen maupun endogen. Pada uji granger ini menggunakan VAR Pairwise Granger Causality Test dan menggunakan taraf 5%. Berikut hasil analisis Pairwise Granger Causality Test : Tabel 5.5 Hasil Uji Kausalitas Granger Null Hypothesis: F-Statistic Prob. PDB does not Granger Cause ULN ULN does not Granger Cause PDB PMA does not Granger Cause ULN ULN does not Granger Cause PMA JUB does not Granger Cause ULN ULN does not Granger Cause JUB KURS does not Granger Cause ULN ULN does not Grange Cause KURS

8 Lanjutan Tabel 5.5 Hasil Uji Kausalitas Granger Null Hypothesis: F-Statistic Prob. PMA does not Grange Cause PDB PDB does not Grange Cause PMA JUB does not Grange Cause PDB PDB does not Grange Cause JUB KURS does not Grange Cause PDB PDB does not Grange Cause KURS JUB does not Grange Cause PMA PMA does not Grange Cause JUB KURS does not Grange Cause PMA PMA does not Grange Cause KURS KURS does not Grange Cause JUB JUB does not Grange Cause KURS Sumber: Data Diolah Dari tabel di atas, dapat dijelaskan bahwa yang memiliki hubungan kausalitas granger adalah variabel dengan nilai probabilitas lebih kecil dari α 0,05. Pada tabel di atas didapatkan hasil sebagai berikut: a. Variabel ULN signifikan mempengaruhi variabel PDB (0.0087) artinya menolak hipotesis nol, sedangkan variabel PDB tidak signifikan mempengaruhi variabel ULN (0.2666). Dengan demikian, disimpulkan bahwa terjadi hubungan searah antara variabel ULN dan PDB, yaitu hanya variabel ULN yang secara statistik mempengaruhi variabel PDB, dan tidak sebaliknya. b. Variabel ULN tidak signifikan mempengaruhi variabel PMA (0.0832) artinya H0 tidak dapat ditolak dan begitu pula sebaliknya variabel PMA secara statistik tidak signifikan mempengaruhi variabel ULN (0.1465). Probabilitas masing-masing lebih besar dari

9 0.05, H0 tidak dapat ditolak, dan disimpulkan tidak adanya kausalitas antara variabel ULN dengan PDB. c. Variabel ULN tidak signifikan mempengaruhi variabel JUB (0.2599) artinya H0 tidak dapat ditolak dan begitupula sebaliknya variabel JUB secara statistik tidak signifikan mempengaruhi variabel ULN (0.3522). Probabilitas masing-masing lebih besar dari 0.05, H0 tidak dapat ditolak, dan disimpulkan tidak adanya kausalitas antara variabel ULN dengan JUB. d. Variabel ULN tidak signifikan mempengaruhi variabel KURS (0.5938) artinya H0 tidak dapat ditolak dan begitu pula sebaliknya variabel KURS secara statistik tidak signifikan mempengaruhi ULN (0.2902). Probabilitas masing-masing lebih besar dari 0.05, H0 tidak dapat ditolak, dan disimpulkan tidak adanya kausalitas antara variabel ULN dengan KURS. e. Variabel PDB tidak signifikan mempengaruhi variabel PMA (0.5938) artinya H0 tidak dapat ditolak, sedangkan variabel PMA signifikan mempengaruhi varaibel PDB (0.0220) sehingga menolak hipotesis nol. Dengan demikian, disimpulkan bahwa terjadi kausalitas searah antara variabel PMA dan PDB, yaitu variabel PMA secara statistik mempengaruhi variabel PDB, dan tidak berlaku sebaliknya. f. Variabel PDB tidak signifikan mempengaruhi variabel JUB (0.6514) artinya H0 tidak dapat ditolak dan begitupula sebaliknya variabel

10 JUB secara statistik tidak signifikan mempengaruhi PDB (0.6131). Probabilitas masing-masing lebih besar dari 0.05, H0 tidak dapat ditolak, dan disimpulkan tidak adanya kausalitas antara variabel PDB dengan JUB. g. Variabel PDB tidak signifikan mempengaruhi variabel KURS (0.6514) artinya H0 tidak dapat ditolak, sedangkan variabel KURS signifikan mempengaruhi variabel PDB (0.0363) sehingga menolak hipotesis nol. Dengan demikian, disimpulkan bahwa terjadi kausalitas searah antara variabel KURS dan PDB, yaitu hanya variabel KURS yang secara statistik mempengaruhi variabel PDB, dan tidak berlaku sebaliknya. h. Variabel PMA tidak signifikan mempengaruhi JUB (0.2728) artinya H0 tidak dapat ditolak dan begitu pula sebaliknya variabel JUB tidak signifikan mempengaruhi variabel PMA (0.1465). Probabilitas masing-masing lebih besar dari 0.05, dan disimpulkan tidak adanya kausalitas antara variabel PMA dan JUB. i. Variabel PMA tidak signifikan mempengaruhi KURS (0.9102) artinya H0 tidak dapat ditolak dan begitupula sebaliknya variabel KURS tidak signifikan mempengaruhi variabel PMA (0.1500). Probabilitas masing-masing lebih besar dari 0.05, dan disimpulkan tidak adanya kausalitas anatara variabel PMA dan KURS. j. Variabel JUB tidak signifikan mempengaruhi KURS (0.2983) artinya H0 tidak dapat ditolak, sedangkan variabel KURS signifikan

11 6. Uji VECM mempengaruhi variabel JUB (0.0243) sehinga menolak hipotesis nol. Dengan demikian, disimpulkan bahwa terjadi kausalitas searah antara variabel KURS dan JUB, yaitu variabel KURS secara statistik mempengaruhi JUB, dan tidak berlaku sebaliknya. Hasil dari pengolahan data pada VECM akan mendapatkan hubungan jangka panjang dan jangka pendek antara variabel dependen (DULN) dan variabel (DPDB, DPMA, DJUB, DKURS). Pada penelitian ini menggunakan lag 1 berdasarkan pada lag length criteria. Table dibawah ini menunjukan hubungan jangka panjang dan jangka pendek antara Pembiayaan ULN (DULN) sebagai variabel dependen dan variabel lainnya sebagai variabel independen, berikut hasilnya : Tabel 5.6 Model VECM Jangka Panjang Jangka Panjang Variabel Koefisien T-statistik D(LOG(PDB(-1))) D(LOG(PMA(-1))) JUB(-1) D(LOG(KURS(-1))) Sumber: Data Diolah Berdasarkan tabel 3.6, diperoleh hasil estimasi VECM dalam jangka panjang yang menjelaskan bahwa PDB berpengaruh negatif dan signifikan terhadap ULN. Hal ini ditunjukkan dengan nilai t-statistik parsial variabel PDB atau lebih besar dari nilai t-tabel yang artinya H0 ditolak. Dengan kata lain, variabel PDB berpengaruh signifikan terhadap utang luar negeri. Nilai koefisien variabel PDB dalam

12 jangka panjang sebesar -2.04, artinya ketika terjadi kenaikan PDB 1 persen maka akan menurunkan utang luar negeri sebesar persen. Estimasi jangka panjang VECM menunjukkan bahwa PMA tidak memberikan pengaruh signifikan terhadap utang luar negeri. Karena nilai t-statistik parsial variabel PMA sebesar lebih kecil dari nilai t- tabel yang artinya H0 tidak dapat ditolak. Dengan kata lain, variabel PMA tidak menunjukkan pengaruh signifikan terhadap utang luar negeri. Estimasi VECM dalam jangka panjang yang menjelaskan bahwa JUB berpengaruh negatif dan signifikan terhadap ULN. Hal ini ditunjukkan dengan nilai t-statistik parsial variabel JUB atau lebih besar dari nilai t-tabel yang artinya H0 ditolak. Dengan kata lain, variabel JUB berpengaruh signifikan terhadap utang luar negeri. Nilai koefisien variabel JUB dalam jangka panjang sebesar -0.05, artinya ketika terjadi kenaikan JUB 1 persen maka akan menurunkan utang luar negeri sebesar persen. Estimasi VECM dalam jangka panjang yang menjelaskan bahwa KURS berpengaruh negatif dan signifikan terhadap ULN. Hal ini ditunjukkan dengan nilai t-statistik parsial variabel KURS atau lebih besar dari nilai t-tabel yang artinya H0 ditolak. Dengan kata lain, variabel KURS berpengaruh signifikan terhadap utang luar negeri. Nilai koefisien variabel KURS dalam jangka panjang sebesar , artinya ketika terjadi kenaikan KURS 1 persen maka akan menurunkan utang luar negeri sebesar persen.

13 Tabel 5.7 Hasil Estimasi VECM (Vector Error Correction Model) Jangka pendek Variabel Koefisien t-statistik Parsial CointEq [ ] D(LOG(ULN(-1)),2) [ ] D(LOG(PDB(-1)),2) [ ] D(LOG(PMA(-1)),2) [ ] D(JUB(-1)) [ ] D(LOG(KURS(-1)),2) [ ] C -0, [ ] Sumber: Data Diolah Berdasarkan tabel 5.7 di atas dapat diketahui bahwa dalam jangka pendek untuk variabel LogPDB memiliki nilai t-hitung sebesar dan lebih kecil daripada nilai t-tabel sebesar yang artinya bahwa H0 tidak dapat ditolak sehingga variabel PDB tidak berpengaruh terhadap ULN. Variabel LogPMA memiliki nilai t-hitung sebesar dan lebih kecil daripada nilai t-tabel sebesar yang artinya bahwa H0 tidak dapat ditolak sehingga variabel PMA tidak berpengaruh terhadap ULN. Variabel JUB memiliki nilai t-hitung sebesar dan lebih kecil daripada nilai t-tabel sebesar yang artinya bahwa H0 tidak dapat ditolak sehingga variabel JUB tidak berpengaruh terhadap ULN. Variabel LogKURS memiliki nilai t-hitung sebesar dan lebih kecil daripada nilai t-tabel sebesar yang artinya bahwa H0 tidak dapat ditolak sehingga variabel KURS tidak berpengaruh terhadap ULN. Dapat disimpulkan bahwa dalam jangka pendek seluruh variabel independen yaitu PDB, PMA, JUB dan KURS tidak mempengaruhi variabel ULN.

14 7. Analisis Impulse Respon Function (IRF).04 Response of D(LOG(PDB)) to D(LOG(ULN)).04 Response of D(LOG Gambar 5.1 Hasil Analisis IRF PDB terhadap shock ULN Response of D(LOG(PDB)) to D(LOG(PUMKM)) Gambar 5.1 menunjukan respon PDB terhadap guncangan ULN direspon secara fluktuatif namun respon tersebut lebih ke arah yang negatif dimana pada periode ke-3 respon PDB mulai ke arah positif namun, pada periode ke-4 bergerak negatif kembali sampai periode ke- 10. Hal ini menunjukan bahwa PDB berpengaruh negatif sehingga untuk menutupi defisit anggaran pemerintah selalu menggunakan ULN sebagai instrumen pembiayaan pembangunan negara.

15 .6 Response of D(LOG(PMA)) to D(LOG(ULN)).6 Response of D( Gambar 5.2 Hasil Analisis IRF PMA terhadap shock ULN Response of D(LOG(PMA)) to D(LOG(ULN)) Gambar 5.2 menunjukkan respon PMA terhadap guncangan variabel ULN di respon secara fluktuatif dan bergerak kearah yang positif dari periode ke-1 hingga periode ke-7 dan bergerak stabil dari periode ke-8 hingga periode ke-10. Hal ini menunjukkan bahwa ketika PMA meningkat maka ULN akan meningkat karena investor asing yang menginvestasikan modalnya di Indonesia beberapa dalam bentuk utang.

16 .04 Response of JUB to D(LOG(ULN)).04 Response of Gambar 5.3 Hasil Analisis IRF JUB terhadap shock ULN Response of JUB to D(LOG(ULN)) Gambar 5.3 menunjukkan respon JUB terhadap guncangan variabel ULN di respon stabil dan bergerak kearah yang positif hingga periode ke-10. Sehingga jumlah uang beredar meningkat maka inflasi juga akan meningkat. Kenaikan inflasi akan menurunkan daya beli masyarakat sehingga pendapatan nasional turun. Penurunan pendapatan nasional mengakibatkan defisit anggaran yang semakin besar sehingga menutupi defisit anggaran menggunakan instrumen utang luar negeri.

17 .15 Response of D(LOG(KURS)) to D(LOG(ULN)).15 Response of D(LOG(KU Gambar 5.4 Hasil Analisis IRF KURS terhadap shock ULN Response of D(LOG(KURS)) to D(LOG(ULN)) Gambar 5.4 menunjukkan respon KURS terhadap guncangan variabel ULN di respon secara fluktuatif dan bergerak kearah yang positif hingga periode ke-10. Ketika nilai KURS meningkat maka nilai kurs tersebut terdepresiasi yang mengakibatkan utang luar negeri juga semakin membesar. 8. Variance Decompotion Tabel 5.8 Hasil Analisis Variance Decompotion Period S.E. ULN PDB PMA JUB KURS Sumber: Data Diolah

18 Dari tabel 5.8 di atas merupakan hasil dari Variance Decompotion. Pada periode pertama DULN dipengaruhi oleh variabel itu sendiri sebesar 100 persen. Sementara itu pada periode pertama variabel PDB, PMA, JUB, dan Kurs belum memberikan pengaruh terhadap ULN. Periode dua sampai periode sepuluh pengaruh dari DULN tersebut sebesar 60%. Pada tabel di atas dapat dilihat bahwa periode pertama variabel DULN dipengaruhi oleh PDB sebesar 0% akan tetapi di kahir periode DPDB mempengaruhi DULN sebesar 6.9%. Pada variabel DPMA berpengaruh 0% terhadap DULN dan meningkat menjadi 1.6%. Pada variabel DJUB berpengaruh 0% terhadap DULN dan meningkat menjadi 4.9%. Pada variabel DKURS berpengaruh 0% terhadap DPUMKM dan meningkat menjadi 28%.

19